AI绘画：超全Stable Diffusion详解之常用参数设置_stable diffusion宽度和高度

SD-Web UI是来自B站的秋葉aaaki大佬制作的一款AI绘画启动器。

非常开心又进入学习时间，今天来学习关于图像大小、数量、CFG、种子等参数设置。

英版原文：https://stable-diffusion-art.com/automatic1111//automatic1111/

本文相关参数截图：

一、宽度和高度

不用解释所有人都明白，就是设置图片的大小。但需要注意一点，就是同样比例的图片精度不等于放大后为同样比例的图片精度。

比如，原本尺寸为1024*1024的图片精度不如512*512经过放大算法放大至1024*1024的图片精度，这是因为“改善总是比创造更容易的”，1024*1024会和原来一样生成瑕疵，但重绘是将这些瑕疵渐渐减少。

二、总批次数&单批数量

总批次数：总批次数为n，显卡出n次图，每次出一张。

单批数量：单批数量为n，显卡出一次图，一次出n张。

总之，显卡一般的电脑绘画时改总批次数。

三、 CFG

Classifier Free Guidance scale（分类器自由指导比例）是一个参数，用于控制模型应尊重你的提示的程度。如果CFG值太低，稳定扩散将忽略你的提示。太高时图像的颜色会饱和。

1  –大多忽略你的提示。
3  –更有创意。
7  –遵循提示和自由之间的良好平衡。
15 –更加遵守提示，图片的对比度和饱和度增加。
30 –严格按照提示操作，但图像的颜色会过饱和。
1
2
3
4
5

这是在控制其他参数的情况下，不同CFG的结果：

图3-1 不同CFG下的结果

至于CFG的系数选择，其实不同的采样方法对应着不同最佳的CFG数值，而且随着迭代步数的增加，细节增加后的高位CFG数值也会有所变化。

CFG在4-10之间比较适合，最佳的还是建议将迭代步数、采样方法结合起来看。

四、 种子与变异种子

种子：用于在潜在空间中生成初始随机张量的种子值。实际上，它控制图像的内容。生成的每个图像都有自己的种子值。

如果设置为-1，将使用随机种子值；如果设置为一个固定的种子值（比如用那个绿色的回收图标定为之前的图片样式），可以增加或替换关键词达到在图片上增加或替换的效果。

过强的关键词也会导致构图的改变，更推荐蒙版重绘进行修改。

变异随机种子：简单来说就是在原有的种子图上，新加入一个用其他种子值的图，最后生成两种图片的混合。其中“变异强度”指种子与变异种子之间的选择程度（权重），将其设置为0使用种子值。将其设置为1使用变异种子值。

变异强度0到1之间变化的简单例子：

    图4-1 变异随机种子的应用（基于不同变异强度）
1

需要注意：在同一个种子值下，图片的内容会随着生成的长度和宽度的改变而改变，所以，要获得__清晰的原图_，还是建议在__后期__处理中采用__放大算法__。_

从宽度和高度中调整种子：就是调整变异种子增加后生成后的图片大小。

写在最后

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程，具体看下方。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除